Décomposition saisonnière II
Voyons maintenant comment détecter et visualiser la saisonnalité et les tendances dans les données environnementales.
Vous utiliserez statsmodels.seasonal_decompose() pour effectuer la décomposition, puis tracer les résultats.
Vous allez aussi rééchantillonner les données à un intervalle horaire pour observer des tendances plus longues. Choisir un intervalle trop court nous empêchera de voir clairement les tendances et les composantes saisonnières.
matplotlib.pyplot as plt et import statsmodels.api as sm ont été importés pour vous, et les données ont été chargées dans df.
Cette activité fait partie du cours
Analyse de données IoT avec Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Resample DataFrame to 1h
df_seas = df.resample('1h').max()
# Run seasonal decompose
decomp = ____